Informes de la Construcción, Vol 69, No 545 (2017)

Redes neuronales (RN) aplicadas a la valoración de locales comerciales


https://doi.org/10.3989/ic.15.053

J. M. Núñez Tabales
Universidad de Córdoba, España
orcid http://orcid.org/0000-0001-6597-6029

F. J. Rey Carmona
Universidad de Córdoba, España
orcid http://orcid.org/0000-0002-2434-556X

J. M.ª Caridad y Ocerin
Universidad de Córdoba, España
orcid http://orcid.org/0000-0003-4558-6618

Resumen


La estimación de precios de inmuebles mediante la utilización de métodos objetivos es de interés para compradores, vendedores y para la propia Administración. Existen diferentes metodologías que permiten la determinación del precio de un inmueble, siendo numerosas las aportaciones cuyo propósito es la estimación de precios de inmuebles residenciales. No obstante, el presente trabajo es pionero en la aplicación de técnicas de Inteligencia Artificial (IA) para la determinación de precios de locales comerciales. Se presenta un estudio de esta tipología de inmueble en la ciudad de Córdoba (España). Los resultados evidencian que las Redes Neuronales (RN) constituyen una alternativa atractiva a los tradicionales Modelos Hedónicos (MH), registrando un mejor ajuste a las no linealidades del mercado y resultando con menores errores. Asimismo, se obtienen los precios implícitos correspondientes a los atributos determinantes del precio de un local comercial a partir de la ecuación de la RN diseñada.

Palabras clave


Inteligencia Artificial (IA); Redes Neuronales (RN); precio local comercial; modelos econométricos; valoración inmobiliaria

Texto completo:


HTML PDF XML

Referencias


(1) Banco de España (2014). Boletín económico, julio-agosto 2014. Las sociedades de tasación. Actividad y resultados en 2013. Madrid.

(2) Pagourtzi, E., Vassimakopoulos, V., Hatzichristos, T., French, N. (2003). Real estate appraisal: A review of valuation methods. Journal of Property Investment and Finance, 21(4): 383-401. https://doi.org/10.1108/14635780310483656

(3) Selim, H. (2009). Determinants of house prices in Turkey: Hedonic regression versus artificial neural network. Expert Systems with Applications, 36(2): 2843-2852. https://doi.org/10.1016/j.eswa.2008.01.044

(4) Kusan, H., Aytekin, O., Özdemir, I. (2010). The use of fuzzy logic in predicting house selling Price. Expert Systems with Applications, 37(3): 1808-1813, doi: http://dx.doi.org/10.1016/j.eswa.2009.07.031. https://doi.org/10.1016/j.eswa.2009.07.031

(5) Gallego Mora-Esperanza, J. (2008). Modelos de valoración automatizada. CT/Catastro, 62, abril: 7-26.

(6) Aznar Bellver, J., Guijarro Martínez, F., López Perales, A. E., González Mora, R. (2012). Valoración inmobiliaria. Métodos y aplicaciones (España e Iberoamérica). Valencia: Editorial Universitat Politècnica de València.

(7) Humarán, I., Marmolejo, C., Ruiz, M. (2008). La Formación Espacial de los Valores Comerciales, Un Análisis para las Principales Ciudades Catalanas. Ponencia presentada en XXXIV Reunión de Estudios Regionales. Baeza (Jaén): Asociación Española de Ciencia Regional. PMid:17409036

(8) Montero, J. M., Larraz, B. (2011). Interpolation Methods for Geographical Data: Housing and Commercial Establishment Markets. Journal of Real Estate Research, 33(2): 233-244.

(9) Martín del Brío, B., Sanz Molina, A. (2006). Redes Neuronales y Sistemas Borrosos. Madrid: Ed. Ra-Ma.

(10) Pino Díez, R., Gómez Gómez, A., De Abajo Martínez, N. (2001). Introducción a la inteligencia artificial: Sistemas expertos, redes neuronales artificiales y computación evolutiva. Oviedo: Servicio de Publicaciones de la Universidad de Oviedo. PMid:11549545

(11) Isasi Vi-uela, P., Galván León, I. M. (2004). Redes neuronales artificiales: Un enfoque práctico. Madrid: Ed. Pearson Educación.

(12) Borst, R. (1991). Artificial Neural Networks: The next modelling/calibration technology for the assessment community? Property Tax Journal, 10(1): 69-94. IAAO.

(13) McCulloch, W. S., Pitts, W. (1943), A logical calculus of the ideas immanet in nervous activity. Bulletin of Mathematical Biophysics, 5: 115-133. https://doi.org/10.1007/BF02478259

(14) Haas, G. C. (1922). A statistical analysis of farm sales in blue earth county, Minnesota, As a Basis for Farmland Appraisal (Masters Thesis). University of Minnesota.

(15) Tay, D. P., Ho, D. K. (1992). Artificial intelligence and the mass appraisal of residential apartment. Journal of Property Valuation & Investment, 10: 525-540. https://doi.org/10.1108/14635789210031181

(16) Do, A., Grudnitski, G. (1992). A Neural Network Approach to residential property appraisal. The Real Estate Appraiser, 58(3): 38-45.

(17) Kauko, T., Hooimaijer, P., Hakfoort, J. (2002). Capturing housing market segmentation: An alternative approach based on neural network modeling. Housing Studies, 17(6): 875-894. https://doi.org/10.1080/02673030215999

(18) Peterson, S., Flanagan, A. (2009). Neural Network Hedonic Pricing Models in Mass Real Estate Appraisal. Journal of Real Estate Research, 31(2): 147-164.

(19) Caridad, J. M., Nú-ez J., Ceular N. (2008). Metodología de Precios Hedónicos vs Redes Neuronales Artificiales como alternativa a la valoración de inmuebles. CT/Catastro, 62: 27-42.

(20) Canavarro Teixeira, M. C. (2011). Modelos econométricos para el precio de los inmuebles: un caso de estudio en Portugal (Tesis doctoral). Córdoba: Servicio de Publicaciones de la Universidad de Córdoba.

(21) Allen, W. C., Zumwalt, J. K. (1994). Neural Networks: a word of caution. Working Paper. Colorado State University.

(22) Worzala, E., Lenk, M., Silva, A. (1995). An exploration of neural networks and its application to real estate valuation. Journal of Real Estate Research, 10(2): 185-201.

(23) Rossini, P. (1997). Artificial Neural Networks Versus Multiple Regression in the valuation of residential property. Australian Land Economics Review, 3(1): 1-12.

(24) Zurada, J., Levitan, A. S., Guan, J. (2011). A comparison of regression and artificial intelligence methods in a mass appraisal context. Journal of Real Estate Research, 33(3): 349-387.

(25) Limsombunchai, V., Gan, C., Lee, M. (2004). House price prediction: Hedonic Price Model Vs Artificial Neural Network. American Journal of Applied Sciences, 3(1): 193-201. https://doi.org/10.3844/ajassp.2004.193.201

(26) Caridad, J. M., Ceular, N. (2001). Un análisis del mercado de la vivienda a través de redes neuronales artificiales. Estudios de Economía Aplicada, 18: 67-81.

(27) Mohamed Amar, R. (2002). Estimación del precio de la vivienda urbana mediante redes neuronales artificiales. Estudio de un caso. En XII Jornadas Hispano-Lusas. Covilhà (Portugal).

(28) Gallego Mora-Esperanza, J. (2004). La inteligencia artificial aplicada a la valoración de inmuebles. Un ejemplo para valorar Madrid. CT/Catastro, 50, abril: 51-67.

(29) García Rubio, N. (2004): Desarrollo y aplicación de redes neuronales artificiales al mercado inmobiliario: aplicación a la ciudad de Albacete (Tesis doctoral). Universidad de Castilla-La Mancha.

(30) Lara Cabeza, J. (2005). Aplicación de las redes neuronales artificiales al campo de la valoración inmobiliaria. Mapping, 104: 64-71.

(31) Landajo, M., Bilbao, C., Bilbao, A. (2012). Non parametric neural networks modeling of hedonic prices in the housing market. Empirical Economics, 42(3): 989-1009. https://doi.org/10.1007/s00181-011-0485-9

(32) Kontrimas, V., Verikas, A. (2011). The mass appraisal of the real estate by computational intelligence. Applied Soft Computing, 11(1): 443-448. https://doi.org/10.1016/j.asoc.2009.12.003




Copyright (c) 2017 Consejo Superior de Investigaciones Científicas (CSIC)

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento 4.0 Internacional.


Contacte con la revista informes@ietcc.csic.es

Soporte técnico soporte.tecnico.revistas@csic.es